En esta oportunidad quer\u00eda comentarles algunos puntos sobre la miner\u00eda de datos, y sobre todo trasmitirles que es una herramienta que no est\u00e1 fuera su alcance.<\/p>\n\n\n\n
En muchas ocasiones en nuestras actividades y en nuestra vida cotidiana, hay conceptos que nos generan la sensaci\u00f3n de ser muy complejos, y que por consiguiente no aplican a nuestra compa\u00f1\u00eda.<\/p>\n\n\n\n
Lo que busco en estas l\u00edneas es tratar de acercar conceptos, no t\u00e9cnicos, y que finalmente se animen a probar esta herramienta, que muy probablemente ya tengan disponible en sus organizaciones.<\/p>\n\n\n\n
\u00bfQu\u00e9 es miner\u00eda de datos o data mining? B\u00e1sicamente, son un conjunto de t\u00e9cnicas y tecnolog\u00edas para explorar un conjunto de datos y encontrar patrones dentro de los mismos. Estos patrones pueden encontrarse utilizando estad\u00edsticas o algoritmos de b\u00fasqueda pr\u00f3ximos a la Inteligencia Artificial y a las redes neuronales.<\/span><\/p>\n\n\n\n Si bien esto es muy complejo, hoy en d\u00eda, Microsoft en su motor de base de datos SQL Server, ya tiene incluidas estas herramientas, y seguramente en tu organizaci\u00f3n, ya existe este motor, por consiguiente, ya tenemos licenciada la herramienta.<\/p>\n\n\n\n Ahora bien, para terminar de despertar tu inter\u00e9s sobre el tema, y adelant\u00e1ndome al proceso que deber\u00edamos seguir, enumero algunos escenarios que se pueden explorar con la miner\u00eda de datos:<\/p>\n\n\n\n Escenarios:<\/p>\n\n\n\n De Riesgo y probabilidad<\/b>: elecci\u00f3n de los mejores clientes para la distribuci\u00f3n de correo directo, determinaci\u00f3n del punto de equilibrio probable para los escenarios de riesgo, y asignaci\u00f3n de probabilidades a diagn\u00f3sticos y otros resultados.<\/span><\/p>\n\n\n\n De Recomendaciones<\/b>: determinaci\u00f3n de los productos que se pueden vender juntos y generaci\u00f3n de recomendaciones.<\/span><\/p>\n\n\n\n De B\u00fasqueda de secuencias<\/b>: an\u00e1lisis de los art\u00edculos que los clientes han introducido en el carrito de la compra y predicci\u00f3n de posibles eventos.<\/span><\/p>\n\n\n\n De Agrupaci\u00f3n<\/b>: distribuci\u00f3n de clientes o eventos en grupos de elementos relacionados, y an\u00e1lisis y predicci\u00f3n de afinidades.<\/span><\/p>\n\n\n\n Ahora bien, ya viste que el resultado aplica en casi todos los casos a preguntas frecuentes de las empresas. Para llegar a un buen modelo, te recomiendo seguir estos pasos:<\/p>\n\n\n\n Primero, definir el problema, preparar los datos, explorar los datos, crear el modelo, explorar y validar, y finalmente implementar.<\/p>\n\n\n\n En este link que te dejo vas a encontrar un tutorial pasa a paso que explica c\u00f3mo implementar algunos de los ejemplos que se detallaron m\u00e1s arriba. Es importante destacar, que cualquier modelo se puede validar, si uno toma un subconjunto de datos hist\u00f3ricos como por ejemplo: ventas hasta el a\u00f1o 2019. Uno podr\u00eda aplicar el resultado sobre los datos del 2020 y de esta forma validar el modelo para asegurarnos que los resultados se ajustan por lo menos a esos datos pasados y de esta forma tener m\u00e1s certeza en su aplicaci\u00f3n hacia el futuro.<\/p>\n\n\n\n Comparto un tutorial muy completo, con el paso a paso y ejemplos para entender m\u00e1s profundamente el tema y poder llevarlo a la pr\u00e1ctica.<\/p>\n\n\n\n